「我對筆電一竅不通！」：數位產品顧問如何根據用戶知識水平進行適應
arXiv - Human-Computer InteractionKevin Schott, Andrea Papenmeier, Daniel Hienert, Dagmar Kern
研究發現透過「技術資訊、效能分類與屬性解釋」三者結合的模式，能有效提升新手理解複雜產品資訊的能力。
AI 幫你先抓重點
AI 重點 1
採用「包容性設計」而非「分流設計」是數位助手的關鍵。
滑鼠懸停看 AI 判斷理由
研究顯示為新手增加解釋資訊並不會干擾專家。這意味著開發者不需要為不同知識層級設計兩套介面，只需提供一個包含豐富解釋的通用介面，即可同時滿足新手學習與專家效率的需求。
AI 重點 2
單純的分類（Categories）若缺乏解釋，對新手而言效果有限。
滑鼠懸停看 AI 判斷理由
這提醒了在設計教學或資訊系統時，僅給予「結論」或「等級」是不夠的。若要達成知識建構，必須將分類背後的邏輯與屬性解釋結合，才能將資訊轉化為真正的理解。
核心研究發現
- 1
對於新手用戶，提供屬性解釋（TE）或結合分類與解釋（TCE）的模式，比僅提供技術資訊更具幫助且能提升學習感。
- 2
新手認為結合分類與解釋（TCE）的資訊量最為適中，顯示解釋對於理解效能分類至關重要。
- 3
專家用戶在不同資訊呈現模式下並無顯著差異，顯示提供補充資訊不會對專家造成負面體驗。
對教育工作者的啟發
在設計具備教學功能的 AI 系統時，應採取「預設包含解釋」的策略。當系統面對專業領域（如科技、科學）時，不應僅給予數據或分類結果，而應將「屬性解釋」與「效能分類」結合（TCE 模式）。這種做法能確保新手在獲取資訊的同時進行學習，且不會因為資訊過載而感到困擾，同時也能維持專家的使用體驗。設計者應優先建立一個具備包容性的單一介面，而非試圖預測用戶知識水平來切換介面。
原始文獻資訊
- 英文標題：
- "I don't know anything about laptops!" - User Perception of Digital Product Advisors Adapting to Their Knowledge Levels
- 作者：
- Kevin Schott, Andrea Papenmeier, Daniel Hienert, Dagmar Kern
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。